基于改进TransBTS的脑肿瘤分割算法研究

摘要：

针对现有的脑肿瘤分割网络特征融合不够充分,以及存在的模型复杂的问题,提出一个轻量化的改进TransBTS的脑肿瘤分割网络.首先,设计了基于大核卷积分解与注意力机制的卷积模块,在减少计算量的同时提高了卷积模块对特征的长距离依赖表征能力;其次,简化了 Transformer结构,并设计了多尺度特征作为Transformer的输入,以充分感知全局上下文信息;最后,设计了新的跳跃连接,实现解码过程中对全局深层语义与局部浅层语义信息的充分融合.实验结果表明,该文所提方法在公开数据集BraTS 2021上的多个肿瘤区域(ET,TC,WT)的分割指标与TransBTS相比,Dice评分分别提高了 0.55％、1.17％、2.55％,Hausdorff距离降低了 1.71、1.68、3.07 mm,并且参数量和计算复杂度分别降低了 79.18％和79.88％,平均推理时间减少了 1.91 s,更好地实现了分割精度和算法复杂度的平衡.

关键词：脑肿瘤分割、多尺度特征融合、Transformer、卷积分解、注意力机制、轻量化

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：广东省科技计划项目;广东省自然科学基金项目;广东工业大学青年基金项目;广东工业大学本科教学工程项目;广东工业大学高水平大学建设研究生教育创新计划项目;广东省本科高校在线开放课程指导委员会研究课题

在线出版日期：2023-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：13-19,39